近日，上海交通大学生物医学工程学院金成团队与四川大学华西第二医院合作，在心血管领域顶级期刊《European Heart Journal》（IF=35.7）上发表题为“Digital profile of children’s hearts: automated echocardiogram strain analysis facilitates earlier detection of cardiac dysfunction”的研究论文。团队针对儿童心脏超声图像质量易波动等特点，开发了名为 Motion-Echo 的半监督心肌应变分析框架，这一模型仅需极少的人工标注即可跨厂商稳定工作，并成功验证了自动化应变指标在儿童癌症治疗相关心功能障碍、杜氏肌营养不良等多种场景下的强大临床预测价值，打造儿童心脏数字画像。

Motion-Echo框架包含两个核心技术模块：上下文补偿模块负责借助相邻帧的清晰信息，填补当前帧模糊区域，使整个心动周期的分割结果连贯一致。无监督运动估计模块则无需人工标注，自动捕捉心肌在不同帧之间的移动轨迹，量化心肌收缩与舒张的动态变化，生成运动光流。这两个模块协同工作，相互强化，为AI在医学影像分析中从“静态识别”迈向“动态功能分析”提供新思路。研究整合了来自多中心的22,393例超声视频数据，涵盖实体瘤、杜氏肌营养不良等儿童患者。同时，团队还利用了CAMUS、EchoNet-Dynamic等多个公开数据库进行训练与外部验证，确保模型的广泛适用性。并验证其在下游临床中的效能，包括癌症治疗相关心功能障碍风险预警、晚期钆增强检测、左心室射血分数下降预警以及心肌梗死检测。在技术性能方面，Motion-Echo表现优异。在整体纵向应变和整体圆周应变评估上的平均绝对误差分别为2.10%和2.67%，与专家手动测量高度相关（r>0.78），显示了极高的准确性。临床预测能力方面，癌症治疗相关心功能障碍风险预测的AUC达0.906，晚期钆增强检测AUC为0.782，左心室射血分数下降预测效能超过手动应变测量。当融合心肌运动特征后，模型在心梗检测中的AUC达到0.952，显示出强大的临床应用潜力。这项研究的临床价值显著，解决了儿童超声应变分析标准化不足、早期预警缺失的临床痛点，有助于及早识别亚临床心功能障碍，指导早期干预，改善患者预后。

上海交通大学博士生焦如诗、四川大学华西第二医院刘晓亮、邵淑冉、周开宇为该研究共同第一作者，上海交通大学金成、四川大学华西第二医院王川为通讯作者。

金成团队致力于多模态数据融合，临床级别的AI 辅助诊疗系统。目前在Nature Machine Intelligence、Science Translational Medicine、Nature Communications、Chem（CNS系列期刊11篇），European Heart Journal 、Cancer Discovery、Annals of Surgery（临床综合类）、IEEE-TPAMI、IEEE TIP（工程类）等期刊发表论文60余篇。